基于PERCLOS的驾驶员疲劳检测算法 基于PERCLOS的驾驶员疲劳检测算法 基于PERCLOS的驾驶员疲劳检测算法

一个matlab编写的实用的灰度图像边缘检测算法，实时性较好，算法效果较高。

身份认证技术有了很大的发展，随之不断出现的是各种伪造合法用户信息的欺诈手段。针对这一问题，提出一种基于深度学习人脸活体检测算法，分析了真实人脸和欺诈人脸之间的区别，将真实人脸和照片进行数据去中心化、zca白化去噪声、随机旋转等处理；同时，利用卷积神经网络对照片的面部特征进行提取，提取出来的特征送入神经网络训练、分类。算法在公开的数据库NUAA上进行了验证，实验结果表明该方法降低了计算的复杂度，提高了识别准确率。

借鉴大神代码 写了个dome采用C#语言对 YOLOv4 目标检测算法封装，将模型在实际应用系统中落地，实现模型在线远程调用 。希望对大家有所帮助

鉴于流数据具有实时、连续、有序和无限等特点, 使用近似方法便可检测连续分时段的流数据序列, 基于此, 运用目标分布数据, 结合相似分布理论, 提出了利用Tr-OEM 算法对流数据中的概念漂移现象进行检测. 该算法能够 动态地判断流数据概念漂移的发生, 自适应地优化概念漂移的检测值, 适用于不同类型的流数据. 通过分析和实验仿 真可以表明, 该算法在处理流数据概念漂移时具有较好的适应性.

研究了汽车辅助驾驶系统中的计算机视觉问题。一方面,用小波变换对高速公路上的道路边 缘进行检测;另一方面,利用灰度以及几何特征实时跟踪和检测车道边缘,通过建立道路边缘模型,采用 数据拟合的方法确定边界轨迹方程,从而估算出公路的延伸方向,实现汽车的自动防偏,并为解决汽车智 能辅助驾驶系统的避障问题提供了有力的保证。

DPCA方法要求至少沿雷达平台飞行轨迹放置两个天线(前向天线和拖尾天线)。两天线之间的距离是2d，每个天线都可以作为独立的发射和接收通道。传统的DPCA条件要满足2d=mva／prf，其中，m为正整数，va是载机飞行速度，prf是脉冲重复频率。

实时目标检测算法YOLOv3的检测速度较快且精度良好，但存在边界框定位不够精确、难以区分重叠物体等不足。提出了Attention-YOLO算法，该算法借鉴了基于项的注意力机制，将通道注意力及空间注意力机制加入特征提取网络之中，使用经过筛选加权的特征向量来替换原有的特征向量进行残差融合，同时添加二阶项来减少融合过程中的信息损失并加速模型收敛。通过在COCO和PASCAL VOC数据集上的实验表明，该算法有效降低了边界框的定位误差并提升了检测精度。相比YOLOv3算法在COCO测试集上的mAP@IoU[0.5：0.95]提升了最高2.5 mAP，在PASCAL VOC 2007测试集上达到了最高81.9 mAP。

对输入的视频进行实时边缘检测实现，算法是canny边缘检测算法。

使用智能手机连接外置麦克风收集鼾声样本，用相关软件对样本进行处理，通过对比两种滤波方法，寻找合适的滤波方法对样本进行去噪。之后对鼾声进行检测，计算出平均的鼾声大小从而进一步得出样本的扰人程度。计算出呼吸暂停低通气指数，对样本的呼吸暂停程度进行分级。